Perplexity、Nvidia と提携しローカル AI エージェント「Portable Computer」を発表

Perplexity は本日、"Portable Computer" を発表しました。これは、ユーザーが既に所有するハードウェア上で完全に動作する、同社のエージェント型プラットフォーム「Computer」のバージョンです。対象となるのは、Nvidia の DGX Spark デスクトップスーパーコンピュータや、Nvidia RTX GPU を搭載した Linux マシンなどです。

今回の発表は Nvidia と緊密なパートナーシップのもとで開発されたもので、本格的な AI エージェントワークロードをクラウドからローカルデバイスへ移行しようとする試みの中でも、最も野心的なものの一つです。モデルもユーザーのファイルも作業内容もすべて端末内に保持されます。ローカルで完了したタスクには課金クレジットは消費されません。同社によると、すべてのタスクはデフォルトで端末上で開始され、クラウド上のより高性能なフロンティアモデルへ個別のステップを送信する前には必ずユーザーの許可を求めます。

「私たちは、完全にローカルアプリ向けに、これまでと同じ UI をそのまま持ち込んだのです」と、Perplexity のインフラおよびエンタープライズ担当バイスプレジデントである Nate 氏は月曜日の記者会見で語りました。「これには、ローカルで作業を行うために必要なエージェントハーンスや推論機能など、すべてが含まれています。」

過去 2 年間、世界に兆ドル規模の AI データセンターを売り込んできた Nvidia にとって、今回の発表はより微妙だが戦略的に重要な意味を持ちます。半導体メーカーは、ローカル AI が趣味の域を超えて実用的なツールへと転換する閾値を超えたと考えており、それを動かすためのハードウェアの販売にも注力したいと考えています。

「ローカル AI が転換点に達した」と語るのは、開発者向けツールやオープンソースに注力する Nvidia の開発技術ディレクター、Nader 氏です。「長らくローカル AI は趣味人や熱心な愛好家の領域で、超小型化された量子化モデルを動かすのが主流でした。確かに面白いですが、実用性という点では限界がありました。しかし、最近登場した非常に有用なオープンソースモデルの数々が、その状況を一変させたのです。」

Perplexity Computer は同社の知識労働向けエージェントプラットフォームであり、AI モデル、ファイル、ツール、ウェブアクセスを統合して多段階タスクを完遂します。具体的には、フォルダ内の文書レビューやデータ分析、レポート作成、そして結果のビジネスシステムへの連携などが可能です。Portable Computer はこの体験をローカル環境で再現するもので、ローカルモデル、エージェントハネス、推論エンジン、ツール、アプリコネクタ、セキュリティサンドボックスがすべて一つのシステムにパッケージされています。このバンドルこそが本質です。現在の多くのローカル AI スacks では、ユーザーはこれらの部品を個別に組み立てて運用しなければなりません。つまり、モデルの重みダウンロードから推論サーバーの構築、ツールの接続、パフォーマンス調整まで、すべてを手動で行う必要があります。

「従来、ローカル AI スack を立ち上げるのは非常に困難でした」と Nate 氏は話します。「Portable Computer では、とにかくシンプルで直感的な体験を提供することに注力しました。これにより、ユーザーはすぐに使い始めることができるのです。」

あるデモでは、このシステムが小規模投資家として振る舞い、1099 書類や投資関連文書が入ったフォルダをレビューする様子が披露されました。これらはクラウドサービスにアップロードすることに躊躇するユーザーが多い機密性の高い金融資料です。DGX Spark 上で 270 億パラメータの Qwen モデルをフル活用して実行されたエージェントは、各文書を精査し、架空の投資家が不必要な手数料を支払っているケースを指摘しました。

通常、クラウド利用料の残高を表示するインターフェース要素については、Nate は「すべてがデバイス上で行われているため、『ただゼロに固定されている』状態だ」と説明しています。

2 つ目のデモでは、製品のハイブリッドな側面が示されました。スタートアップ創業者を演じた Nate がエージェントに対し、ユーザーのファンネルデータを含む CSV ファイルをローカルで分析させ、完成した分析結果を Perplexity のコネクタエコシステムを使って Slack チャンネルに転送するよう指示しました。これは「ローカルファースト」が必ずしも「接続断絶」を意味しないことを証明するものです。

このシステムは Google Drive、Gmail、GitHub とも連携可能で、ローカルモデルの処理能力に限界に達した場合は、最先端のクラウドモデルへとエスカレーションします。ローンチ時点では、Qwen 3.8 27B または Perplexity が独自環境でポストトレーニングを施した PPLX 27B を設定できます。また、Nvidia の Nemotron 3.5 Lightning も近日中に登場予定です。

Portable Computer は本日、Linux 版が Pro、Max、Enterprise Pro、Enterprise Max の各サブスクリプションプランで利用可能になりました。Windows 版は 9 月の提供を予定しています。

動作には少なくとも 24GB の VRAM を備えた RTX GPU（GeForce RTX 3090 以降相当）が必要です。この要件について Nate は、「理想的な体験を提供しつつ、広く利用可能にするためのバランスを取る上で、最低限の基準となるライン」と説明しました。

なぜモデルとエージェント・ハッチの共設計が汎用フレームワークに勝るのか

今回の発表に合わせて、Perplexity は研究論文も公開しました。そこでは、効果的なローカルエージェントを実現するには、モデル自体と、その周囲を囲むプロンプトやツール、オーケストレーションロジックからなる「エージェント・ハッチ（足場）」の双方を一体として設計する必要があると主張しています。

核心的な洞察は以下の通りです。汎用フレームワークは、膨大なコンテキストを理解し、広範なツールの表面を自在に移動し、長期にわたる計画を立てられるような最先端モデルを前提としています。しかし、小規模なローカルモデルでは、そのような要求に応えることは困難です。

Perplexity は実証実験を通じて、Qwen 3.8 27B のようなモデルは 260,000 トークンのコンテキストウィンドウを謳っていても、実際には 100,000 トークンを過ぎると処理が困難になることを発見しました。そこで同社はあえて最小限の構成にこだわったハネスを開発しました。これは簡潔なシステムプロンプトと、コアとなる少数のツール、そして常時コンテキスト内に保持されるのではなく、必要に応じてロード・アンロードされる「スキル」として機能する能力で構成されています。

Gmail や GitHub といった一般的なコネクタは、トークンを大量に消費する MCP サーバーからコンパクトなコマンドラインツールへと変換されました。また、タスクの健全性を監視する自己検証フックが追加され、常時オン状態の OS レベルでのサンドボックス化が強制されています。もしサンドボックスを利用できない場合、このハネスは保護されていない状態でツールを実行するのではなく、自ら機能を停止します。これはデフォルトでユーザーのフルパーミッションを付与してコマンドを実行するオープンソースのハネスとは対照的なアプローチです。

Perplexity が報告しているベンチマーク結果は非常に注目すべきものですが、これらは同社による独自評価に基づいています。同社が今後オープンソース化する予定としている内部の「Local Knowledge Work Bench」では、深層調査、財務分析、ドキュメント作成にわたる 53 のタスクが実施されました。その結果、DGX Spark で Qwen 3.8 27B を実行した Computer は 82.6% のスコアを記録しました。一方、同じモデルを使用しているオープンソースの Pi ハネスは 77.6%、Hermes は 74.0% でした。

Perplexity がポストトレーニングした PPLX 27B は、スコアを 85.4% に引き上げました。より難易度の高いタスクではその差が劇的に広がります。ウェブ調査ベンチマークである BrowseComp では、Computer が 66.7% の精度を達成し、Pi の 50.2% や Hermes の 43.9% を大きく上回りました。さらに、実行に要する時間は Pi よりも 51% 短く、消費トークン数は 70% 削減されています。

マルチモーダルなドキュメント理解タスクにおいても、Computer は 65.1% のスコアを記録し、Hermes の 34.6% や Pi の 13.9% を圧倒しました。

AI エージェントがクラウドからローカルハードウェアへと移行する背後にあるトークン経済の仕組み

この発表の戦略的意図は、AI ワークロードの変化を理解すれば明確になります。チャットはバースト型でした。「質問があり、回答があり、完了」という形です。しかし、エージェントは異なります。

「エージェントにおいては、可能であれば常時稼働させることを目指します。エージェントには可能な限り多くのトークンを消費してほしいのです」と Nader 氏は語ります。「現在見られているのは、トークンに対する飽くなき需要です。これがローカル AI の素晴らしい点です。これらのデモでお分かりいただいたように、トークンで制限されることもなければ、トークンに対して課金されることもありません。つまり、エージェントにとって決定的な強みとなるのです。」

これは、ローカルハードウェアの価値提案を再定義するものです。ドキュメントレビューや自己検証、分析の反復処理を数時間行なうエージェントがクラウド上で動作した場合、膨大な API 利用料が発生します。一方、ユーザーがすでに所有しているデバイス上であれば、そのトークンにかかる限界費用はほぼゼロに近づきます。Perplexity の論文では、この論点をエンタープライズ向けにも明確に示しています。エージェントが個々のワークフローから組織全体へとスケールするにつれ、トークンの支出とデータ移動は「管理がますます困難になる」からです。ローカルファーストの実行はこの二つの課題を同時に解決します。推論が無料になるためコストを抑えられ、機密性の高いトークンがデバイス境界を越えないためプライバシーも守られます。

おそらく最も商業的に興味深い結果は、ハイブリッドな中間地帯に関するものです。難易度の高いコーディングベンチマークである Terminal Bench 2.1 では、完全ローカルの Qwen モデルが限界費用 essentially zero で 59.6% のスコアを記録しました。これをクラウド上の Claude Opus 5「アドバイザー」にエスカレーションすると、スコアは 73.0% に向上しますが、タスクあたり約 0.415 ドルのコストがかかります。一方、最先端モデルのみで実行した場合のスコアは 82.4% で、タスクあたり 0.65 ドルです。つまり、エスカレーションによって最先端性能との差の約 3 割を回復しつつ、コストは約 3 分の 2 に抑えることができました。このトレードオフがどの時点で価値があるかはユーザー自身が判断します。

アドバイザーへの呼び出しを行う前には、ハネス（枠組み）が送信されるコンテキストに対して PII クラスifier を実行し、デバイスから何が流出するかをユーザーに明示的に表示します。リモートモデルはテキストによるガイダンスのみを返すものであり、ローカルのファイルやツールに直接アクセスすることはありません。

Portable Computer は Ollama や DIY ローカル AI スタックとどう位置づけられるのか

The Deep View の Jason Hiner 氏は、Portable Computer が既存のローカル推論ツールである Ollama とどのように関連するのかを企業側に質しました。これに対し Nate 氏は明確な線引きを示し、「両者は異なるレイヤーの問題を解決する」と答えました。

「今回の取り組みの大部分は、エージェントハッチレベルでのものです」と彼は述べ、システムがモデル推論の基盤として vLLM を使用していること、またユーザーが独自の推論エンドポイントを組み込めるよう高度なモードも用意されていることを説明しました。「私たちは、Qwen と Nemotron の両モデルに対して、可能な限り最良の結果を得られるよう集中的にポストトレーニングを行いました。焦点は、モデル推論からハッチに至るまで、スタック全体をトップダウンで磨き上げることにありました。」

Nader 氏はこれをより鮮やかに表現しました。「Spark 上で推論をすぐに実行するのは比較的スムーズな道です。Ollama を使えばセットアップも簡単です。しかし、より複雑でエージェント的な作業を始めると、突然性能が求められるようになります。そこで異なるモデルやハッチを探し始めるのですが、まるで海のように、深く潜れば潜るほど深くなるものです。」

このように家電製品のような訴求は、少なくとも一人の参加者に響いたようだ。エンジニアであるベン氏は、自分自身で DGX Spark のセットアップに苦労した経験について「この体験は最悪だ、改善すべきだ」と語り、「アジェンシー（自律行動）が何を意味するかを人々が本当に実感し理解するためには、この製品が必要不可欠であり、それを可能にするための適切な UX が求められる」と述べた。Nvidia はまた、ハードウェアの拡張性も強調した。共有メモリを通じて 2 つの Spark を接続すれば、DeepSeek の最新モデルのような最先端クラスのオープンモデルを実行でき、4 つを接続すれば GLM 5.2 や Nemotron Ultra も動作可能だという。ナダー氏は「8 つの Spark を接続する様子さえ目にした」と話した。

Nvidia と Perplexity の緊密な連携が両社にもたらす意味

今回の発表は、1 年以上にわたって築かれてきたパートナーシップの延長線上にあるものだ。2025 年 6 月、Nvidia と Perplexity は欧州の出版社や通信事業者向けに主権型 AI モデルを提供する協力を発表した。これは CEO のジェンセン・ホアング氏が主導し、各国政府に対して「すべての国には国家レベルの知能インフラが必要である」と説得するための大陸横断キャンペーンの一環だ。AP 通信がパリで開催された VivaTech から報じたところによると、この主権 AI という訴求は、「データは人々のものであり、国のものでもあり、文化のものでもある」というホアング氏の言葉に象徴されるように、単一のデスクトップ規模で Portable Computer が提示する主張と哲学的には同じである。つまり、自分が制御できる知能を、自分が所有するハードウェア上で動かすという考え方だ。

両社にはそれぞれ明確な自社の利益があります。Perplexity は、コンテンツ運用を巡って出版社から法的圧力にさらされており、その中には 2025 年 12 月にニューヨーク・タイムズが提起した訴訟や、以前 Forbes と行った公的な対立も含まれています。しかし、同社は資金調達において評価額を着実に引き上げ続けてきました。今回の提携により、Perplexity はトークン使用量をメーターリングする必要がない経済モデルを持つ製品を手に入れ、法務、医療、金融といったプライバシーに敏感な企業への差別化された入り口を得ることになります。

一方、Nvidia にとっては DGX Spark のためのキラーアプリが誕生しました。このデバイスは、月曜日のブリーフィングに参加した人々の認める通り、「購入は容易だが、使いこなすのは難しい」という状況にあります。ある記者が「Spark に Portable Computer と Nemotron モデルをプリインストールして出荷する予定はないのか」と質問すると、Nader 氏はそれを否定こそしませんが、即座に断ることもなくこう答えました。「それは素晴らしいことだ……目標は、すべてのユーザーにとって超スムーズな体験を提供することにある」。

しかし、まだ疑問点は残っています。Perplexity が発表した最も印象的な数値は同社独自のベンチマークによるものであり、同社はコンパクトモデルが複雑な推論タスクにおいて依然として最先端のモデルに明確に劣っていることを認めています。エージェンシーのエスカレーション機能は「格差を縮めるが、完全に埋めるわけではない」のです。

今回の発表では、現時点で Linux のみに対応しており、24GB の VRAM という最低要件は一般消費者向け PC の大多数を排除しています。また、ローカル AI をいじる熱心なユーザーが多い Apple シリコンについては、ロードマップに明記されていないという点も目立ちます。「現在は Nvidia ハードウェアに非常に注力している」と Nate 氏は語っています。

しかし、その方向性は疑いようがありません。Perplexity の研究者たちは今回の発表を、「より能力の高いエージェントがリモートインフラから個人やローカルデバイスへと移行する広範な転換の一部」と位置付けています。両社は、チップの進化とオープンソースモデルの発展によって、机の上の一台のコンピュータが何ができるかがさらに拡大していくと信じています。

月曜日のデモで最も示唆に富んでいたのはベンチマークのスコアではなく、画面隅にあるクレジットカウンターでした。エージェントが税務書類のフォルダを次々と処理している間も、このカウンターはゼロのまま動きませんでした。ここ 2 年間、AI 業界はギガワットやドルあたりのトークン数という指標で野望を測ってきました。しかし「Portable Computer」は、決して枯渇することのない全く異なる測定基準を提案するものです。